|
@@ -99,17 +99,112 @@
|
|
|
- 模型管理：游戏角色库或者叫捏脸系统
|
|
- 模型管理：游戏角色库或者叫捏脸系统
|
|
|
- 效果评测：闯关评分系统
|
|
- 效果评测：闯关评分系统
|
|
|
|
|
|
|
|
-### 5.2.2 构建集成多种工具的“每日简报”智能体
|
|
|
|
|
|
|
|
|
|
-案例说明: 这个实践将展示 Coze 强大的插件集成能力。我们将创建一个能生成“每日简报”的助理，它能自动查询当天的天气、抓取最新的AI领域头条新闻，并将这些信息整合成一段结构化的摘要。
|
|
|
|
|
|
|
|
|
|
-#### 5.2.2.1 步骤一：设定智能体角色与提示词
|
|
|
|
|
|
|
|
|
|
-#### 5.2.2.2 步骤二：添加并配置插件（新闻、天气）
|
|
|
|
|
|
|
+### **5.2.2 构建集成多渠道信息源的“每日AI简报”智能体**
|
|
|
|
|
|
|
|
-#### 5.2.2.3 步骤三：测试、调试与多渠道发布
|
|
|
|
|
|
|
|
|
|
-### 5.2.3 Coze 的优势与局限性分析
|
|
|
|
|
|
|
+
|
|
|
|
|
+**案例说明:** 本实践案例旨在深入剖析 Coze 平台的插件集成能力，指导读者从零开始构建一个功能强大的“每日AI简报”智能体。该智能体能够自动化地从多个信息源（包括36氪、虎嗅、it之家、infoq、GitHub、arXiv）抓取当日最新的AI领域头条新闻、学术论文及开源项目动态，并将其结构化、专业化地整合成一份生动、精炼的简报。
|
|
|
|
|
+
|
|
|
|
|
+通过本案例，您将系统性地掌握以下核心技能：
|
|
|
|
|
+
|
|
|
|
|
+ * **多源信息聚合:** 利用 Coze 的插件生态，实现跨平台、跨类型的数据流无缝集成。
|
|
|
|
|
+ * **智能体行为定义:** 通过角色设定和提示词（Prompt）工程，精准控制智能体的任务执行与内容生成，确保输出符合预设的专业标准。
|
|
|
|
|
+ * **自动化工作流构建:** 学习如何将数据获取、内容处理与格式化输出等多个步骤串联成一个高效、自动化的工作流。
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+#### **5.2.2.1 步骤一：添加并配置信息源插件**
|
|
|
|
|
+
|
|
|
|
|
+构建“每日AI简报”智能体的首要任务是为其接入丰富且权威的信息来源。在 Coze 平台中，这通过添加和配置相应的插件来实现。
|
|
|
|
|
+
|
|
|
|
|
+1. **插件集成:** 在 Coze 的插件库中，搜索并添加所需的插件。例如，通过 **RSS** 插件订阅媒体平台的RSS源，通过 **GitHub** 插件追踪开源项目，以及通过 **arXiv** 插件获取最新的学术研究成果。
|
|
|
|
|
+2. **个性化配置:** 对每一个插件进行精细化配置，以确保其能精准地获取所需数据。例如，在 RSS 插件中，输入36氪、虎嗅等网站的特定RSS订阅链接；在 GitHub 插件中，设置需监控的关键词或仓库；在 arXiv 插件中，定义感兴趣的领域关键词，如“LLM”、“AIGC”等。
|
|
|
|
|
+3. **编排连接:** 在智能体的可视化编排界面中，将这些已配置的信息源插件（例如 `rss_24Hbj`、`searchRepository`、`arxiv` 等）作为数据输入节点，并将其连接至后续的逻辑处理模块（例如**大模型**模块），以构建完整的数据处理路径。
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+#### **5.2.2.2 步骤二：设定智能体角色与提示词**
|
|
|
|
|
+
|
|
|
|
|
+角色设定与提示词编写是定义智能体行为与输出质量的核心环节。该步骤旨在将抽象的指令转化为智能体可理解并执行的具体任务。
|
|
|
|
|
+
|
|
|
|
|
+#### **2.1 角色设定**
|
|
|
|
|
+
|
|
|
|
|
+我们将智能体设定为一位**资深且权威的科技媒体编辑**。这一角色赋予了智能体明确的专业定位，使其在后续的内容创作中，能够模仿专业编辑的思维模式，进行高效的信息筛选、整合与概括。
|
|
|
|
|
+
|
|
|
|
|
+#### **2.2 提示词编写与结构化**
|
|
|
|
|
+
|
|
|
|
|
+提示词是智能体执行任务的指导手册。我们将其分为**系统提示（System Prompt）和用户提示（User Prompt）**，以确保指令的清晰、完整与可控。
|
|
|
|
|
+
|
|
|
|
|
+**系统提示（System Prompt）**
|
|
|
|
|
+
|
|
|
|
|
+系统提示用于定义智能体的长期行为准则和输出格式规范。
|
|
|
|
|
+
|
|
|
|
|
+```
|
|
|
|
|
+# 角色
|
|
|
|
|
+你是一位资深且权威的科技媒体编辑,擅长高效精准地整合并创作极具专业性的科技简报,特别在AI领域的技术动态、前沿学术研究成果及热门开源项目方面拥有深入的分析与整合能力。
|
|
|
|
|
+
|
|
|
|
|
+## 工作流
|
|
|
|
|
+### 日报输出格式
|
|
|
|
|
+1. 日报开头显著标注“AI日报”、“by@jasonhuang“和当天日期，例如：“AI日报 | 2025年9月24日 | by@jasonhuang”。
|
|
|
|
|
+2. <!!!important!!!> 根据每则AI技术新闻、每篇AI学术论文、每个AI开源项目的不同内容，在其标题开头添加一个独有的Emoji表情符号。
|
|
|
|
|
+3. 输出的所有内容必须与AI、LLM、AIGC、大模型等技术主题高度相关，坚决排除任何无关信息、广告及营销类内容。
|
|
|
|
|
+4. 必须为每一条目（包括AI技术新闻、AI学术论文、AI开源项目）提供其对应的原始链接。
|
|
|
|
|
+5. 对输出的每一条新闻或项目，都进行一个简短、精准的概况描述。
|
|
|
|
|
+```
|
|
|
|
|
+
|
|
|
|
|
+**用户提示（User Prompt）**
|
|
|
|
|
+
|
|
|
|
|
+用户提示用于定义具体的任务指令和数据来源。
|
|
|
|
|
+
|
|
|
|
|
+```
|
|
|
|
|
+- **信息提取与整合：** 从输入源 `{{articles}}`、`{{articles1}}`、`{{articles2}}` 和 `{{articles3}}` 中，筛选并提取关于AI、大模型、AIGC、LLM等相关主题的文章标题及其对应链接，整理为**“AI技术新闻”**模块。
|
|
|
|
|
+- **学术论文摘要：** 从输入源 `{{arxiv}}` 中，根据字段 `arxiv_title` 和 `arxiv_link`，总结并整理最新的论文内容，形成**“AI学术论文”**模块。
|
|
|
|
|
+- **开源项目筛选：** 从输入源 `{{GitHub}}` 中，筛选出最受瞩目且具影响力的**5个AI开源项目**。提取这些项目的标题和对应链接，整理为**“AI开源项目”**模块。
|
|
|
|
|
+
|
|
|
|
|
+# 注意事项（Attention）
|
|
|
|
|
+- 严格遵循系统提示中定义的日报输出格式。
|
|
|
|
|
+- 输出内容总量应为：**10条AI技术新闻、5篇AI学术论文、5个AI开源项目**。
|
|
|
|
|
+```
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+#### **5.2.2.3 步骤三：测试、调试与多渠道发布**
|
|
|
|
|
+
|
|
|
|
|
+完成智能体的核心逻辑构建后，必须进行严格的测试与调试，以确保其输出符合预期。
|
|
|
|
|
+
|
|
|
|
|
+1. **测试与调试:**
|
|
|
|
|
+
|
|
|
|
|
+ * **运行预览:** 在 Coze 平台的预览界面运行智能体，观察其生成的简报内容。
|
|
|
|
|
+ * **评估与优化:** 仔细检查简报的内容准确性、格式完整性以及语言风格。如果发现不符合预期的部分，需返回提示词或插件配置环节进行细致调整。例如，若内容不够精炼，可修改提示词中的概括要求；若数据获取不准确，则需检查插件配置参数。
|
|
|
|
|
+
|
|
|
|
|
+2. **多渠道发布:**
|
|
|
|
|
+
|
|
|
|
|
+ * **平台集成:** Coze 提供了将智能体一键发布到多个主流应用平台（如微信、钉钉、飞书等）的能力，极大地扩展了智能体的应用场景。
|
|
|
|
|
+ * **发布配置:** 在发布前，为智能体配置恰当的名称、头像及欢迎语，以提供更友好的用户体验。
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+### **5.2.3 Coze 的优势与局限性分析**
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+
|
|
|
|
|
+**优势:**
|
|
|
|
|
+
|
|
|
|
|
+ * **强大的插件生态系统:** Coze 平台的核心优势在于其丰富的插件库，这使得智能体能够轻松接入外部服务与数据源，从而实现功能的高度扩展性。
|
|
|
|
|
+ * **直观的可视化编排:** 平台提供了一个低门槛的可视化工作流编排界面，用户无需深厚的编程知识，即可通过“拖拽”方式构建复杂的工作流，大大降低了开发难度。
|
|
|
|
|
+ * **灵活的提示词控制:** 通过精确的角色设定与提示词编写，用户可以对智能体的行为和内容生成进行细粒度的控制，实现高度定制化的输出。
|
|
|
|
|
+ * **便捷的多平台部署:** 支持将同一智能体发布到不同的应用平台，实现了跨平台的无缝集成与应用。
|
|
|
|
|
+
|
|
|
|
|
+**局限性:**
|
|
|
|
|
+
|
|
|
|
|
+ * **对提示词质量的依赖:** 智能体的输出质量与提示词的编写水平直接相关。若提示词模糊或指令不清晰，可能导致结果不符合预期。
|
|
|
|
|
+ * **部分插件配置的复杂度:** 对于需要 API Key 或其他高级参数的插件，用户可能需要具备一定的技术背景才能完成正确的配置。
|
|
|
|
|
+ * **信息处理的时延:** 在调用多个外部API或处理海量数据时，智能体的响应速度可能会受到影响，存在一定的时延。
|
|
|
|
|
+ * **数据时效性挑战:** 部分信息源（如RSS）的更新频率可能存在延迟，影响简报内容的即时性。
|
|
|
|
|
+
|
|
|
|
|
|
|
|
## 5.3 平台二：Dify
|
|
## 5.3 平台二：Dify
|
|
|
### 5.3.1 Dify 的架构与特性
|
|
### 5.3.1 Dify 的架构与特性
|
HeteroCat